Agent Browser 是什么

Agent Browser 是 vercel-labs 维护的开源浏览器自动化工具。它让 AI Agent 通过命令打开网页、读取内容、点击链接和填写表单。“命令行工具”的意思是:使用者在终端或程序里发指令,由工具操作浏览器,不需要每一步都亲自移动鼠标。官方仓库

它适合做什么?以“打开一个网站,找到某款产品,再读出规格”为例,AI 负责理解要找什么,Agent Browser 负责把浏览器里的页面读出来,并执行具体动作。工具不会因为装好了,就自动知道你要买哪款产品;任务目标仍要由人或调用它的程序给出。这个例子用于说明分工,不是本刊的产品实测。

它怎样找到页面上的按钮

网页在我们眼里是标题、图片和按钮;给 AI 操作时,还需要一种便于指认元素的表示。Agent Browser 的 snapshot 会把页面整理成文本,并为元素提供引用。AI 可以根据当前快照中的引用点击目标,再读取新页面核对结果。页面跳转或内容改变后,旧引用可能不再适用。快照说明

图解依据官方介绍整理,为概念示意,不是产品截图。这里最容易忽略的是最后一步:发出了点击命令,与读到了预期页面,是两件事。比如想打开产品详情,点击之后还应检查产品名称或页面地址,才能知道是否进入了正确位置。

网页操作的基本过程:读取页面快照,执行动作,再读取结果。
网页操作的基本过程:读取页面快照,执行动作,再读取结果。 图解依据所列官方资料整理,是概念示意,不是产品截图。原创解释图 · Cyber Curio · Cyber Curio 原创解释图;保留所有权利图片来源 · 图片来源

v0.42.0 新增了任务录制与重放

2026 年 11 月 10 日的 v0.42.0 增加了实验性的 saved flows。按版本说明,可以先录制一遍浏览器任务,再重放请求;运行时依次尝试直接 HTTP 请求、从页面发请求,最后重放录下的命令,并保存成功的执行层级。版本说明

可以把三种方式理解为:先看能否直接取到数据,不行再借助页面里的请求环境,仍不行才按原来的操作步骤走。设想你每天查看同一个公开列表,如果任务可被这种流程覆盖,就有机会复用已经录制的过程。它是否适合某个具体网站,仍要看请求、页面和任务本身,不能只凭功能名称判断。

“实验性”也值得保留在标题里。录制过一次不代表以后永远有效:网站改版、登录过期或数据结构变化,都可能让原先的操作失去意义。这是使用录制类工具时需要检查的条件,不是对本版本失败率的测试结论。

还有哪些与日常使用有关的修复

这个版本还列出了会话复用与重启、Safari 和 iOS WebDriver 会话断开,以及文字填写和坐标精度方面的修复。这里的“会话”可以理解为一次持续使用的浏览器环境;它能否正确保留或重建,会影响后续命令是否仍在操作预期的页面。修复列表

如果你原来就在用 Agent Browser,可以先拿一项没有提交、购买或删除行为的读取任务试新版本。保留任务目标和预期结果,升级后逐步比较。本文没有运行安装或重放测试,也没有测得提速比例;要决定是否接入正式工作,仍需要在自己的任务上检查。